训练网络命令:
sudo sh ./build/tools/caffe train --solver=examples/mnist/train_lenet.sh
-solver:必选参数。一个protocol buffer类型的文件,即模型的配置文件。如:
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt
-gpu: 可选参数。该参数用来指定用哪一块gpu运行,根据gpu的id进行选择,如果设置为’-gpu all’则使用所有的gpu运行。如使用第三块gpu运行:
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 2
-weights:可选参数。用预先训练好的权重来fine-tuning模型,需要一个caffemodel如:
./build/tools/caffe train
-solver examples/finetuning_on_flickr_style/solver.prototxt
-weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
测试网络
./build/tools/caffe test
-model examples/mnist/lenet_train_test.prototxt
-weights examples/mnist/lenet_iter_10000.caffemodel
-gpu 0
-iterations 100
time参数用来在屏幕上显示程序运行时间。如:
./build/tools/caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10
关于gpu
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 0,1
./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu all
绘制网络
1、安装graphViz
sudo apt-get install graphviz
2 、安装pydot
sudo pip install pydot
绘制网络:
sudo python /home/tyd/caffe/python/draw_net.py
/home/tyd/caffe/examples/mnist/lenet_train_test.prototxt
/home/tyd/caffe_case/lenet.png
--rankdir=BT
第一个参数:网络模型的prototxt文件
第二个参数:保存的图片路径及名字
第二个参数:–rankdir=x , x 有四种选项,分别是LR, RL, TB, BT 。用来表示网络的方向,分别是从左到右,从右到左,从上到小,从下到上。默认为LR。
均值
对已经转换成LMDB的数据文件进行减均值计算
sudo /home/tyd/caffe/build/tools/compute_image_mean
/home/tyd/caffe/examples/mnist/mnist_train_lmdb
/home/tyd/caffe_case/mean.binaryproto